开发机器学习解决方案提升现有的预测算法并不是一件容易的事情。这需要大量的工作来保证其正确性，包括清除数据、建立基础结构、测试和再测试模型以及最终部署算法。

这里有六种机器学习服务，它们可以帮助你减少部署机器学习解决方案的痛苦。

1. 微软Azure机器学习

基于微软Azure云平台的Azure机器学习（Azure Machine Learning）为所有的数据科学家提供了一个流线型的体验：从只用一个网页浏览器设置，到使用拖放手势和简单的数据流图来设置实验。Machine Learning Studio提供了一个库，其中包括省时省力的样本实验，R和Python包以及像Xbox和Bing等微软业务中的一流算法。Azure的机器学习还支持R和Python的自定义代码，它可以直接放到您的工作空间。经验很容易共享，所以其他人可以轻易捡起你所留下的。

2. Google Prediction API

Google Prediction API提供模式匹配和机器学习功能。给定一个数据集样本来训练，你就可以创建一个应用程序，能够执行下列任务：

（1）给定用户以前的浏览习惯，预测用户可能会喜欢的其他电影或产品。

（2）把电子邮件归类为垃圾邮件和非垃圾邮件。

（3）针对用户的产品评论进行分析，确定他们是否有积极或消极的基调。

（4）根据用户的消费历史猜测用户在特定的某一天可能会花多少钱。

3. Algorithms.io

Algorithms.io云平台可以很容易地使用机器学习算法从连接的设备分流数据。Algorithms.io的机器学习算法目录以高达99%的准确度实时地将数据流分离成独立的部分。他们提供必要的基础架构用来收集、存储和分类流数据，这一切都是“即服务”的形式。

4. BigML

BigML通过降低复杂性来创造一个高可用性、低延迟的机器学习系统并且它专门为你的数据而构建。你不仅能够从你的数据中获得宝贵的见解，而且你很可能会喜欢上它。你可以上传你的数据或通过API连接到云数据（例如Google Drive或Google Cloud），然后从这些来源中创造结构化数据，建立模型，最后做出预测。

5. Ersatz Labs

Ersatz是一个基于网络的通用机器学习平台，支持基于GPU的深度学习。它面向有抱负的、实干的数据科学家。Ersatz有很多组件设计用于使现代机器学习的工作流程更高效。首先，这其中就包括了数据备份、模型训练和机器学习基础设施。

6. Nutonian / Eureqa

Nutonian的数据科学即服务（Data Science as a Service）产品Eureqa使得行业龙头企业能够解决他们最具挑战性的业务问题。凭借着全球范围内数目超过80000的设备，机器人数据科学家（Robotic Data Scientist）提供垂直应用模块，每时每刻都在帮助金融服务、生命科学、零售、电信以及公共事业等领域运算数以百万计的潜在解决方案。